前端已死。这句话在网上吵了快两年我从反驳到沉默再到今天认可它——只用了一年。「切图写页面、调调 CSS 就能活」那套前端饭快吃不下来了。AI 写组件、低代码拖拽、设计稿直出代码我们干了十年、引以为傲的那些技能正在被批量自动化。剩下没被自动化的要么成了基建维护工要么卷到框架源码级别。两条路都不适合普通人。所以我开始认真想一个问题前端还能往哪转我的答案是AI 产品经理。我想转的是那种懂技术实现边界、能用 AI 工具链把想法快速落地的人——会画原型、会写 PRD但更在意假设能不能被验证。前端转这个方向有天然优势懂用户交互、懂技术可行性、懂从需求到代码的全链路这些是纯业务 PM 常常缺的。这篇文章是我的转行系列第一篇。第一天我决定从当下最火的 pm-skills 开始学起。22.3k Star68 个产品经理技能42 条链式命令。装完之后我踩了一堆坑也摸清楚了三条完整路径从 0 到 PRD、PRD 不满意怎么改、开发完怎么二次迭代。如果你也是前端也在认真考虑转行这篇能帮你省掉至少一周的摸索时间。先给结论pm-skills 到底是什么多数人把 pm-skills 当成「PRD 生成器」——输入需求吐一份文档完事。它是一套产品经理决策框架的编码化PRD 只是其中一个出口。常见误解实际能力输入需求输出 PRD输入决策输出结构化思考过程一个文档生成工具68 个 PM 方法论的 AI 编码跑一次就完事命令之间互相衔接形成端到端流程生成可交互原型 HTML所有产出都是 Markdown 文档pm-skills 不生成可交互的 HTML 原型。PRD 模板里有 UX/原型章节但产出的是文字描述线框图说明、用户流程不是可点击的页面。如果你需要交互原型得配合 Figma、v0.dev 这类工具。安装3 分钟搞定根据你用的 AI 编码工具选一种装法Claude Code推荐# 添加技能市场claude plugin marketplace add phuryn/pm-skills# 按需安装插件9 个插件不用全装claude plugin install pm-executionpm-skills # PRD、OKR、路线图claude plugin install pm-product-discoverypm-skills # 产品发现claude plugin install pm-market-researchpm-skills # 市场调研Cursor# 把技能文件复制到 Cursor 的技能目录for plugin in pm-*/; docp -r $plugin/skills/* .cursor/skills/ 2/dev/nulldoneClaude Cowork非技术人员推荐1.打开 Customize左下角2.Browse plugins → Personal → 3.选「Add marketplace from GitHub」4.输入phuryn/pm-skills5.9 个插件自动全部安装不需要 API Key不需要配置文件装完即用。场景一从 0 到 PRD——先跑发现再写文档很多人的第一步就是/write-prd 我的产品想法。直接写 PRD 会跳过验证环节。举个例子我之前帮一个团队直接写 PRD做到一半发现核心假设根本不成立——用户根本不需要自动周报他们需要的是周报模板。推荐路径发现 → 策略 → PRD/discover → /strategy → /write-prd第一步/discover——验证你的想法值不值得做/discover 我想做一个帮程序员自动写周报的工具这个命令会链式调用 4 个技能brainstorm-ideas → 发散出 5-8 个方向identify-assumptions → 列出每个方向背后的假设prioritize-assumptions → 按风险排序假设brainstorm-experiments → 为最高风险假设设计验证实验产出是一份 Discovery Plan发现计划保存在Discovery-[产品名].md。这份文档会标出哪些假设最危险以及怎么花最小成本验证它们。第二步/strategy——定方向/strategy 基于发现计划确定产品方向链式调用 5 个策略技能愿景定义 → 商业模式画布 → 价值主张 → 定位 → SWOT 分析。产出Strategy-[产品名].md。第三步/write-prd——正式写 PRD/write-prd 基于验证后的产品方向编写 PRD这一步会交互式地问你 6 个问题1.用户问题是什么2.目标用户是谁3.成功指标怎么量化4.有哪些约束条件5.有没有参考案例6.范围偏好MVP 还是完整版回答完之后它生成一份 8 章节的标准 PRD章节内容容易踩的坑§1 执行摘要一段话讲清楚做什么、为什么写太长超过 200 字§2 背景与上下文为什么要做这个缺少数据支撑§3 目标与成功指标SMART 格式的 OKR指标不可量化§4 目标用户与细分用户画像画像太宽泛§5 用户故事与需求P0/P1/P2 优先级排序P0 太多什么都「最优先」§6 方案概述含 UX/原型描述以为会生成 HTML 原型§7 开放问题还没想清楚的事留太多开放问题§8 时间线与阶段分期计划时间估算过于乐观产出PRD-[产品名].md。关于「交互文档 HTML」边界再说一遍pm-skills 只出 Markdown不出可点的 HTML 页面。PRD §6 的 UX/原型部分会输出文字描述比如### UX Flow1. 用户点击生成周报按钮2. 系统拉取本周 Git 提交记录3. 按模板分类完成/进行中/阻塞4. 用户编辑调整后一键发送如果你需要可交互的原型有两个选择•配合 v0.dev把 PRD §6 的描述喂给 v0.dev让它生成 React 原型•配合 Figma把用户流程描述给设计师出高保真原型pm-skills 负责「做什么」的决策原型工具负责「长什么样」的呈现。决策和可点页面我习惯分开两个工具做。场景二生成的文档不满意——4 种改法PRD 出来了但你一看目标太模糊、需求优先级不对、用户画像太宽泛。我一般会直接用 pm-skills 的迭代命令少手搓全文。改法 1/pre-mortem——预验尸分析/pre-mortem [粘贴你的 PRD 内容]这个命令让你假设产品上线后失败了然后反推原因。产出三类风险风险类型含义例子老虎Tigers真实存在的风险“程序员觉得手写周报更有诚意不用这个工具”纸老虎Paper Tigers被夸大的风险“竞品太多了我们没有差异化”实际竞品都很烂大象Elephants没人敢提的风险“老板其实不想让团队用 AI 工具”老虎还会被分成发布阻断级 / 快速跟进级 / 持续跟踪级。产出PreMortem-[产品名]-[日期].md。改完之后回到 PRD 把缓解策略写进去。改法 2/red-team-prd——红队对抗/red-team-prd [粘贴你的 PRD]比预验尸更狠。它做 4 件事1.提取 PRD 里每一个假设声明2.只保留「承重」假设拿掉这个整个方案就不成立的那种3.对每个承重假设做钢人论证先假设它是对的找到最强的支撑论据4.然后攻击钢人——找到它最脆弱的点最终输出 Top 3-5 个「Kill Assumptions」致命假设按(错误影响 × 错误概率 × 测试成本)排序。每个致命假设都附带最便宜的验证方式和「杀死标准」——什么结果出现就证明假设不成立。改法 3/write-stories——拆解后逐项调整/write-stories user [粘贴 PRD]把 PRD 拆解成 5-15 个 backlog 条目支持三种格式•User Story作为[用户]我想要[能力]以便[收益]•Job Story当[场景]时我想要[动机]以便[结果]•WWAWhy[背景] → What[交付物] → Acceptance[验收标准]拆成颗粒度更小的条目后你可以逐项审查、调整优先级、砍掉不需要的。改法 4直接对话式修改最简单的方式——直接告诉 AI 哪里不满意把 P1 需求里的自动发送降级为 P2目标用户聚焦到 3 年以下经验的后端开发者成功指标加上周报撰写时间从 30 分钟降到 5 分钟pm-skills 的技能会在对话中自动加载不需要额外调用。4 种改法怎么选你的情况推荐改法理由感觉「方向可能不对」/pre-mortem帮你发现致命风险感觉「假设太多太乱」/red-team-prd帮你聚焦到 3-5 个承重假设感觉「需求太粗不好执行」/write-stories拆成可执行的 backlog感觉「具体某段写得不好」直接对话修改最快最直接场景三开发完了要二次迭代代码写完了功能上线了。现在要做 v2。功能上线后我最怕没证据就拍脑袋定 v2。pm-skills 在二次迭代时反而更好用。路径 A基于已上线功能做优化# 第一步回顾分析/pre-mortem [已上线功能的描述 当前遇到的问题]# 第二步红队挑战当前方案/red-team-prd [当前功能方案]# 第三步基于分析结果写迭代 PRD/write-prd [优化方向附上预验尸和红队的结论]第二轮写 PRD 时我会把预验尸和红队的结论粘进去不当空写。新 PRD 基于上一轮的真实教训而不是拍脑袋重写。路径 B基于用户反馈做新功能# 第一步从用户反馈中发现新需求/discover [用户反馈的核心痛点]# 第二步策略定位/strategy [新需求方向]# 第三步写新功能 PRD/write-prd [验证后的功能方向]路径 C完整的迭代命令链pm-skills 的命令设计成链式衔接完整链路是/discover → 发现新需求/strategy → 定产品策略/write-prd → 写 PRD/pre-mortem → 预验尸找风险/red-team-prd → 红队挑战假设/write-stories → 拆解为 backlog/sprint → 规划 Sprint/plan-launch → 制定发布策略/north-star → 定义北极星指标/test-scenarios → 生成测试场景每个命令完成后都会自动推荐下一步。你不需要记住整条链跟着提示走就行。二次迭代时的一个坑很多人二次迭代时直接/write-prd写新版本然后覆盖旧文件。旧版 PRD 我留着文件名加-v2不直接覆盖。PRD-auto-weekly-report-v1.md ← 第一版保留PRD-auto-weekly-report-v2.md ← 第二版新建第三次、第四次迭代时你需要查•v1 的哪些假设被验证了•v1 的哪些需求被砍了为什么•v2 新增了哪些基于什么证据没有版本对照后面的讨论会反复打转每次都要重新解释「上次为什么砍了这条」。9 个插件速查你只需要装 3 个pm-skills 有 9 个插件但大多数人只需要其中 3 个插件技能数命令数什么时候需要pm-execution1611写 PRD、OKR、路线图、Sprint 规划pm-product-discovery135产品发现、假设验证、实验设计pm-product-strategy125愿景、商业模式、定价、SWOTpm-market-research73用户画像、市场分析、竞品分析pm-go-to-market63上市策略、ICP 定义pm-data-analytics33SQL 生成、队列分析、A/B 测试pm-marketing-growth52营销增长、定位、命名pm-toolkit45简历审查、NDA、隐私政策pm-ai-shipping25AI 构建应用的文档化和审计最小安装pm-execution pm-product-discovery pm-product-strategy。覆盖从发现到交付的完整链路。核心概念Skill vs Command搞懂这两个概念你就知道 pm-skills 怎么运作了概念本质触发方式例子Skill技能名词/方法论自动加载AI 判断相关时create-prd、pre-mortem、lean-canvasCommand命令动词/工作流手动触发/命令名/write-prd、/discover、/pre-mortemSkill 管方法论Command 管流程。一个 Command 会链式调用多个 Skill。比如/write-prd这个命令内部会调用create-prd这个 Skill。而create-prd这个 Skill 在你聊到 PRD 相关话题时也会自动加载——不需要你手动触发。常见误区误区 1「装上就能用不需要理解框架」pm-skills 的每个 Skill 背后都是一个真实的 PM 方法论Teresa Torres 的 OST、Marty Cagan 的产品原则、Alberto Savoia 的假设测试。我的经验是不理解框架就判断不了产出质量。工具给你一份 PRD但你不知道它的 OKR 够不够 SMART假设分析够不够深——这份文档就是废纸。误区 2「所有命令都要跑一遍」强烈建议按阶段选命令42 条链式命令一口气跑完产出会堆成一堆 Markdown反而看不清重点还在想做什么 → /discover想清楚了要写文档 → /write-prd文档写完了要挑战 → /pre-mortem /red-team-prd要拆解执行 → /write-stories /sprint要发布 → /plan-launch误区 3「产出的 Markdown 就是最终交付物」PRD 在我眼里是决策工具帮你想清楚「做不做、怎么做」。给老板看的 PPT 是另一回事别混用。如果你需要给团队传达用/write-stories拆解成 backlog 条目那才是开发团队能直接用的格式。PRD 给自己看backlog 给团队看。快速参考卡你的场景命令路径产出从零开始做产品/discover→/strategy→/write-prdDiscovery Plan Strategy PRDPRD 不满意要改/pre-mortem或/red-team-prd风险分析报告 修改建议需求太粗要细化/write-stories5-15 个 backlog 条目开发完要迭代优化/pre-mortem→/red-team-prd→/write-prd新版 PRD基于上轮教训开发完要迭代新功能/discover→/write-prd新功能 PRD要规划 Sprint/write-stories→/sprintSprint 计划要制定发布策略/plan-launchGTM 方案如果你只做一件事装好 pm-execution 插件跑一遍/write-prd看它交互式问你哪 6 个问题——用户问题、目标用户、成功指标、约束条件、参考案例、范围偏好。这 6 个问题就是产品经理的基本功很多人从来没认真答过。流程图pm-skills 三条主路径最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
前端已死？AI产品经理：懂技术边界，用AI工具链快速落地新风口！
前端已死。这句话在网上吵了快两年我从反驳到沉默再到今天认可它——只用了一年。「切图写页面、调调 CSS 就能活」那套前端饭快吃不下来了。AI 写组件、低代码拖拽、设计稿直出代码我们干了十年、引以为傲的那些技能正在被批量自动化。剩下没被自动化的要么成了基建维护工要么卷到框架源码级别。两条路都不适合普通人。所以我开始认真想一个问题前端还能往哪转我的答案是AI 产品经理。我想转的是那种懂技术实现边界、能用 AI 工具链把想法快速落地的人——会画原型、会写 PRD但更在意假设能不能被验证。前端转这个方向有天然优势懂用户交互、懂技术可行性、懂从需求到代码的全链路这些是纯业务 PM 常常缺的。这篇文章是我的转行系列第一篇。第一天我决定从当下最火的 pm-skills 开始学起。22.3k Star68 个产品经理技能42 条链式命令。装完之后我踩了一堆坑也摸清楚了三条完整路径从 0 到 PRD、PRD 不满意怎么改、开发完怎么二次迭代。如果你也是前端也在认真考虑转行这篇能帮你省掉至少一周的摸索时间。先给结论pm-skills 到底是什么多数人把 pm-skills 当成「PRD 生成器」——输入需求吐一份文档完事。它是一套产品经理决策框架的编码化PRD 只是其中一个出口。常见误解实际能力输入需求输出 PRD输入决策输出结构化思考过程一个文档生成工具68 个 PM 方法论的 AI 编码跑一次就完事命令之间互相衔接形成端到端流程生成可交互原型 HTML所有产出都是 Markdown 文档pm-skills 不生成可交互的 HTML 原型。PRD 模板里有 UX/原型章节但产出的是文字描述线框图说明、用户流程不是可点击的页面。如果你需要交互原型得配合 Figma、v0.dev 这类工具。安装3 分钟搞定根据你用的 AI 编码工具选一种装法Claude Code推荐# 添加技能市场claude plugin marketplace add phuryn/pm-skills# 按需安装插件9 个插件不用全装claude plugin install pm-executionpm-skills # PRD、OKR、路线图claude plugin install pm-product-discoverypm-skills # 产品发现claude plugin install pm-market-researchpm-skills # 市场调研Cursor# 把技能文件复制到 Cursor 的技能目录for plugin in pm-*/; docp -r $plugin/skills/* .cursor/skills/ 2/dev/nulldoneClaude Cowork非技术人员推荐1.打开 Customize左下角2.Browse plugins → Personal → 3.选「Add marketplace from GitHub」4.输入phuryn/pm-skills5.9 个插件自动全部安装不需要 API Key不需要配置文件装完即用。场景一从 0 到 PRD——先跑发现再写文档很多人的第一步就是/write-prd 我的产品想法。直接写 PRD 会跳过验证环节。举个例子我之前帮一个团队直接写 PRD做到一半发现核心假设根本不成立——用户根本不需要自动周报他们需要的是周报模板。推荐路径发现 → 策略 → PRD/discover → /strategy → /write-prd第一步/discover——验证你的想法值不值得做/discover 我想做一个帮程序员自动写周报的工具这个命令会链式调用 4 个技能brainstorm-ideas → 发散出 5-8 个方向identify-assumptions → 列出每个方向背后的假设prioritize-assumptions → 按风险排序假设brainstorm-experiments → 为最高风险假设设计验证实验产出是一份 Discovery Plan发现计划保存在Discovery-[产品名].md。这份文档会标出哪些假设最危险以及怎么花最小成本验证它们。第二步/strategy——定方向/strategy 基于发现计划确定产品方向链式调用 5 个策略技能愿景定义 → 商业模式画布 → 价值主张 → 定位 → SWOT 分析。产出Strategy-[产品名].md。第三步/write-prd——正式写 PRD/write-prd 基于验证后的产品方向编写 PRD这一步会交互式地问你 6 个问题1.用户问题是什么2.目标用户是谁3.成功指标怎么量化4.有哪些约束条件5.有没有参考案例6.范围偏好MVP 还是完整版回答完之后它生成一份 8 章节的标准 PRD章节内容容易踩的坑§1 执行摘要一段话讲清楚做什么、为什么写太长超过 200 字§2 背景与上下文为什么要做这个缺少数据支撑§3 目标与成功指标SMART 格式的 OKR指标不可量化§4 目标用户与细分用户画像画像太宽泛§5 用户故事与需求P0/P1/P2 优先级排序P0 太多什么都「最优先」§6 方案概述含 UX/原型描述以为会生成 HTML 原型§7 开放问题还没想清楚的事留太多开放问题§8 时间线与阶段分期计划时间估算过于乐观产出PRD-[产品名].md。关于「交互文档 HTML」边界再说一遍pm-skills 只出 Markdown不出可点的 HTML 页面。PRD §6 的 UX/原型部分会输出文字描述比如### UX Flow1. 用户点击生成周报按钮2. 系统拉取本周 Git 提交记录3. 按模板分类完成/进行中/阻塞4. 用户编辑调整后一键发送如果你需要可交互的原型有两个选择•配合 v0.dev把 PRD §6 的描述喂给 v0.dev让它生成 React 原型•配合 Figma把用户流程描述给设计师出高保真原型pm-skills 负责「做什么」的决策原型工具负责「长什么样」的呈现。决策和可点页面我习惯分开两个工具做。场景二生成的文档不满意——4 种改法PRD 出来了但你一看目标太模糊、需求优先级不对、用户画像太宽泛。我一般会直接用 pm-skills 的迭代命令少手搓全文。改法 1/pre-mortem——预验尸分析/pre-mortem [粘贴你的 PRD 内容]这个命令让你假设产品上线后失败了然后反推原因。产出三类风险风险类型含义例子老虎Tigers真实存在的风险“程序员觉得手写周报更有诚意不用这个工具”纸老虎Paper Tigers被夸大的风险“竞品太多了我们没有差异化”实际竞品都很烂大象Elephants没人敢提的风险“老板其实不想让团队用 AI 工具”老虎还会被分成发布阻断级 / 快速跟进级 / 持续跟踪级。产出PreMortem-[产品名]-[日期].md。改完之后回到 PRD 把缓解策略写进去。改法 2/red-team-prd——红队对抗/red-team-prd [粘贴你的 PRD]比预验尸更狠。它做 4 件事1.提取 PRD 里每一个假设声明2.只保留「承重」假设拿掉这个整个方案就不成立的那种3.对每个承重假设做钢人论证先假设它是对的找到最强的支撑论据4.然后攻击钢人——找到它最脆弱的点最终输出 Top 3-5 个「Kill Assumptions」致命假设按(错误影响 × 错误概率 × 测试成本)排序。每个致命假设都附带最便宜的验证方式和「杀死标准」——什么结果出现就证明假设不成立。改法 3/write-stories——拆解后逐项调整/write-stories user [粘贴 PRD]把 PRD 拆解成 5-15 个 backlog 条目支持三种格式•User Story作为[用户]我想要[能力]以便[收益]•Job Story当[场景]时我想要[动机]以便[结果]•WWAWhy[背景] → What[交付物] → Acceptance[验收标准]拆成颗粒度更小的条目后你可以逐项审查、调整优先级、砍掉不需要的。改法 4直接对话式修改最简单的方式——直接告诉 AI 哪里不满意把 P1 需求里的自动发送降级为 P2目标用户聚焦到 3 年以下经验的后端开发者成功指标加上周报撰写时间从 30 分钟降到 5 分钟pm-skills 的技能会在对话中自动加载不需要额外调用。4 种改法怎么选你的情况推荐改法理由感觉「方向可能不对」/pre-mortem帮你发现致命风险感觉「假设太多太乱」/red-team-prd帮你聚焦到 3-5 个承重假设感觉「需求太粗不好执行」/write-stories拆成可执行的 backlog感觉「具体某段写得不好」直接对话修改最快最直接场景三开发完了要二次迭代代码写完了功能上线了。现在要做 v2。功能上线后我最怕没证据就拍脑袋定 v2。pm-skills 在二次迭代时反而更好用。路径 A基于已上线功能做优化# 第一步回顾分析/pre-mortem [已上线功能的描述 当前遇到的问题]# 第二步红队挑战当前方案/red-team-prd [当前功能方案]# 第三步基于分析结果写迭代 PRD/write-prd [优化方向附上预验尸和红队的结论]第二轮写 PRD 时我会把预验尸和红队的结论粘进去不当空写。新 PRD 基于上一轮的真实教训而不是拍脑袋重写。路径 B基于用户反馈做新功能# 第一步从用户反馈中发现新需求/discover [用户反馈的核心痛点]# 第二步策略定位/strategy [新需求方向]# 第三步写新功能 PRD/write-prd [验证后的功能方向]路径 C完整的迭代命令链pm-skills 的命令设计成链式衔接完整链路是/discover → 发现新需求/strategy → 定产品策略/write-prd → 写 PRD/pre-mortem → 预验尸找风险/red-team-prd → 红队挑战假设/write-stories → 拆解为 backlog/sprint → 规划 Sprint/plan-launch → 制定发布策略/north-star → 定义北极星指标/test-scenarios → 生成测试场景每个命令完成后都会自动推荐下一步。你不需要记住整条链跟着提示走就行。二次迭代时的一个坑很多人二次迭代时直接/write-prd写新版本然后覆盖旧文件。旧版 PRD 我留着文件名加-v2不直接覆盖。PRD-auto-weekly-report-v1.md ← 第一版保留PRD-auto-weekly-report-v2.md ← 第二版新建第三次、第四次迭代时你需要查•v1 的哪些假设被验证了•v1 的哪些需求被砍了为什么•v2 新增了哪些基于什么证据没有版本对照后面的讨论会反复打转每次都要重新解释「上次为什么砍了这条」。9 个插件速查你只需要装 3 个pm-skills 有 9 个插件但大多数人只需要其中 3 个插件技能数命令数什么时候需要pm-execution1611写 PRD、OKR、路线图、Sprint 规划pm-product-discovery135产品发现、假设验证、实验设计pm-product-strategy125愿景、商业模式、定价、SWOTpm-market-research73用户画像、市场分析、竞品分析pm-go-to-market63上市策略、ICP 定义pm-data-analytics33SQL 生成、队列分析、A/B 测试pm-marketing-growth52营销增长、定位、命名pm-toolkit45简历审查、NDA、隐私政策pm-ai-shipping25AI 构建应用的文档化和审计最小安装pm-execution pm-product-discovery pm-product-strategy。覆盖从发现到交付的完整链路。核心概念Skill vs Command搞懂这两个概念你就知道 pm-skills 怎么运作了概念本质触发方式例子Skill技能名词/方法论自动加载AI 判断相关时create-prd、pre-mortem、lean-canvasCommand命令动词/工作流手动触发/命令名/write-prd、/discover、/pre-mortemSkill 管方法论Command 管流程。一个 Command 会链式调用多个 Skill。比如/write-prd这个命令内部会调用create-prd这个 Skill。而create-prd这个 Skill 在你聊到 PRD 相关话题时也会自动加载——不需要你手动触发。常见误区误区 1「装上就能用不需要理解框架」pm-skills 的每个 Skill 背后都是一个真实的 PM 方法论Teresa Torres 的 OST、Marty Cagan 的产品原则、Alberto Savoia 的假设测试。我的经验是不理解框架就判断不了产出质量。工具给你一份 PRD但你不知道它的 OKR 够不够 SMART假设分析够不够深——这份文档就是废纸。误区 2「所有命令都要跑一遍」强烈建议按阶段选命令42 条链式命令一口气跑完产出会堆成一堆 Markdown反而看不清重点还在想做什么 → /discover想清楚了要写文档 → /write-prd文档写完了要挑战 → /pre-mortem /red-team-prd要拆解执行 → /write-stories /sprint要发布 → /plan-launch误区 3「产出的 Markdown 就是最终交付物」PRD 在我眼里是决策工具帮你想清楚「做不做、怎么做」。给老板看的 PPT 是另一回事别混用。如果你需要给团队传达用/write-stories拆解成 backlog 条目那才是开发团队能直接用的格式。PRD 给自己看backlog 给团队看。快速参考卡你的场景命令路径产出从零开始做产品/discover→/strategy→/write-prdDiscovery Plan Strategy PRDPRD 不满意要改/pre-mortem或/red-team-prd风险分析报告 修改建议需求太粗要细化/write-stories5-15 个 backlog 条目开发完要迭代优化/pre-mortem→/red-team-prd→/write-prd新版 PRD基于上轮教训开发完要迭代新功能/discover→/write-prd新功能 PRD要规划 Sprint/write-stories→/sprintSprint 计划要制定发布策略/plan-launchGTM 方案如果你只做一件事装好 pm-execution 插件跑一遍/write-prd看它交互式问你哪 6 个问题——用户问题、目标用户、成功指标、约束条件、参考案例、范围偏好。这 6 个问题就是产品经理的基本功很多人从来没认真答过。流程图pm-skills 三条主路径最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
